BP神经网络及其app设计

bp神经网络的基本原理和组成

bp神经网络的基本原理和组成：
神经网络的基本代码如下：具体的过程也比较简单为此在这里也就不多多赘述

%% 此程序matlab编程实现的BP神经网络
% 清空环境变量
clear all
clc

%%第一步 读取数据
input=randi([1 20],2,200);  %载入输入数据是1-20的2行200列数据，随机数
output=input(1,:)'+input(2,:)';  %载入输出数据，输出的数据是200行1列的数据，其结果是1行1列的的数据加上
% 第2行1列的输出的叠加，为两输入一输出

%% 第二步 设置训练数据和预测数据
input_train = input(:,1:190);%输入的数据是2行190列的数据
output_train =output(1:190,:)';%输出的数据是190行1列的数据
input_test = input(:,191:200);%测试的数据为2行191-200列的数据
output_test =output(191:200,:)';%输出的数据为191-200列的数据

%节点个数
%inputnum=2;%输入的节点个数
hiddennum=5;%隐含层节点数量经验公式p=sqrt(m+n)+a ，故分别取2~13进行试验
%outputnum=1;%输出的节点个数

%% 第三步 训练样本数据归一化
[inputn,inputps]=mapminmax(input_train);%归一化到[-1,1]之间，inputps用来作下一次同样的归一化
%归一化的原因是减少计算量和预测误差，由于在计算时，将输入是、输出的数据归一化了
%为此在结束时，需要将预测结果反归一化
[outputn,outputps]=mapminmax(output_train);
%% 第四步 构建BP神经网络

net=newff(inputn,outputn,hiddennum,{
   'tansig','purelin'},'trainlm');
% 建立模型，传递函数使用purelin，采用梯度下降法训练

%W1= net. iw